　　　　On a Thread of the Web

2026年4月29日水曜日

Wikipedia

図：ウィキペディアのページ（https://www.wikipedia.org/から引用）

ウィキという不特定多数の人がウェブコンテンツを編集できるシステムは1995年からあるらしいが，自分がそれ知ったのは，たぶん2000年を越えてからだった。ウィキのシステムを使って，世界中のボランティアが参加して編集できるオープンで多言語のフリー百科事典であるウィキペディアがスタートしたのは2001年だった。

現時点での各言語版のWikipediaで100万記事以上あるのは，19言語だ。1. 英語，2. セブアノ語（フィリピンの一方言），3. ドイツ語，4. フランス語，5. スウェーデン語，6. オランダ語，7. スペイン語， 8. ロシア語と続く。中国語は12位，日本語は13位，朝鮮語は23位である。総言語数は361，総記事数は6700万である。

ChatGPTに相談して，主要言語（英，独，仏，伊，中，日，韓）の記事に対する平均長を求めてもらった。記事のデータ量はWikitextというマークアップ言語の全体で計られる（APIでも取得可）。また，各言語ごとにデータバックアップの統計があるので，Wikitextの圧縮後総データ量はわかる（日本語の例，jawiki-latest-pages-articles-multistream.xml.bz2 をみればよい。）。

その結果は以下のようになっていた。

言語　　　記事数　圧縮後展開後推定平均
日本語　　約150万　4.73GB 約25GB 　約17kB/記事
英語　　　約717万　26.2GB 約131GB　　約18kB/記事
フランス語約275万　7.11GB 約36GB 　約13kB/記事
ドイツ語　約312万　8.10GB 約41GB 　約13kB/記事
イタリア語約197万　4.35GB 約22GB 　約11kB/記事
中国語　　約153万　3.47GB 約17GB 　約11kB/記事
韓国語　　約74万　1.35GB 約6.8GB 　約9kB/記事

あれっ？自分の（物理学関係の記事をみての）印象は，日本語版は英語版よりかなり中身が薄い（1記事あたりの分量が少ない）ものが多いというもので，意外な結果だった。そこで，Geminiにその理由を聞いてみた。

１．英語は1文字1byteだか，日本語（UTF-8）は1文字3byteなので，同じファイル容量のうちのテキスト部分では，日本語の文字数は1/3になってしまう。

２．英語版は出典が多いが，1文字1byteなので，全体の容量増への影響は少ない。このため出典部分の見栄えの効果でより内容が充実して見える。

３．英語版は格差が激しい「ピラミッド型」である。数百万規模のボット製「数行だけの記事（地名・生物等）」が平均値を強烈に引き下げる。その結果，トップ層（物理学など）がどれほど巨大でも、全体平均は18kB程度に落ち着く。

一方，日本語版は中堅層が厚い「寸胴（ずんどう）型」であり，英語版ほどの「大量の超短文記事」が少なく，平均値の底上げが起きている。トップ層の記事が英語版より薄くても，裾野が広すぎないため，平均値で見ると英語版と同水準に見える。

ということであった。

2026年4月28日火曜日

業務端末とプライバシー

人員削減からの続き

図：内乱の予感（ChatGPTによる）

メタの業務ログ記録のインパクトが大きかった。これは，これまで話題になっていた教育現場におけるAI利用による学習過程や履歴の把握による個別最適化とも通底する話である。そこで，その法的な妥当性について考えてもらった。まあ，一人一端末で小学校低学年から学級崩壊が始まっているという話題の前には，吹き飛んでしまうのかも知れないけれど。

Ｑ（koshix）：

企業が従業員に業務用の端末を与え，これによって会社の業務を実行させる場合，その端末の従業員パスワードや業務過程の端末操作ログの全体を，従業員との契約によって把握することの妥当性について検討してください。

Ａ（ChatGPT）；

結論からいうと、会社貸与端末について、会社が一定の管理権限を持ち、業務上必要な範囲で操作ログを取得・確認すること自体は妥当化され得ます。しかし、「従業員パスワードを会社が把握する」「業務過程の端末操作ログの全体を包括的に取得・閲覧する」ことを、単に雇用契約・誓約書・同意書で包括同意させればよい、という発想はかなり危ういです。

特に重要なのは、会社貸与端末であっても、従業員の人格的利益・プライバシー・個人情報性が完全に消えるわけではない、という点です。会社の所有物だから何でも見てよい、という構成にはなりません。

１．まず、端末パスワードについては、会社が「管理者権限」「MDM」「端末初期化権限」「業務アカウント停止・再発行権限」を持つことは合理的です。退職、事故、情報漏えい、業務継続、証拠保全のために、会社が端末・業務データへアクセスできる仕組みを持つ必要はあります。しかし、従業員本人のログインパスワードそのものを会社が常時把握する方式は、セキュリティ設計としても労務管理としても望ましくありません。パスワードは本来、本人認証の秘密情報です。会社が知ってしまうと、誰が操作したのかという証跡性が壊れます。つまり、後から「その操作は従業員本人がしたのか、管理者がしたのか」が曖昧になります。これは監視強化どころか、監査可能性を弱めます。

２．より妥当なのは、「会社はパスワードを知らないが、管理者権限により必要時にアカウント停止・再設定・端末回収・業務データ保全ができる」という設計です。例外的に、共有管理者アカウントや非常用アカウントを設ける場合でも、利用条件、承認者、ログ記録、事後監査を厳格にすべきです。従業員個人のパスワードを会社に提出させる方式は、原則として避けるべきです。

３．次に、操作ログについてです。ログイン時刻、端末識別子、業務システムへのアクセス履歴、ファイル操作、外部記憶媒体接続、マルウェア検知、異常通信、業務データの持ち出し兆候などは、情報セキュリティ上、取得の必要性が高い領域です。個人情報保護委員会も、個人データの取扱いに関する従業者の監督や安全管理措置の一環としてモニタリングを行う場合、目的の特定、社内規程化、従業者への明示、責任者・権限の設定、ルールに従った適正運用の確認が必要だとしています。(PPC)

４．一方で、「操作ログの全体」という表現が、キーストローク全記録、画面録画、Web閲覧全履歴、アプリ使用履歴の常時記録、チャット内容、メール本文、位置情報、カメラ・マイク、非業務時間の操作まで含むなら、かなり問題が大きくなります。これは単なる業務管理を超えて、人格的監視に近づきます。厚労省系の労働者個人情報保護の考え方でも、コンピュータ等によるモニタリングでは、実施理由、実施時間帯、収集される情報内容等を事前に通知し、労働者の権利を侵害しないよう配慮すべきとされ、常時モニタリングは健康・安全確保または業務上の財産保全に必要な場合に限られる、という考え方が示されています。(厚生労働省)

５．ここで「契約によって同意を取っているからよいのではないか」という点が問題になります。たしかに、従業員が業務端末利用規程、情報セキュリティ規程、就業規則、誓約書などでログ取得に同意していることは、会社側の正当化要素になります。しかし、雇用関係では使用者と労働者の力関係が非対称です。形式的な同意があっても、それが自由で実質的な同意だったのかは常に問題になります。また、就業規則が労働契約の内容となるには、合理的な労働条件であり、かつ労働者に周知されていることが必要です。(e-Gov 법令検索)

６．したがって、契約条項として「会社は従業員の端末操作ログを全て取得・閲覧できる」「従業員は全パスワードを会社に開示する」と包括的に書いても、それだけで無制限に有効になるわけではありません。個人情報保護法上も、個人情報の利用は特定された利用目的の達成に必要な範囲に限られ、目的を超える取扱いには原則として本人同意が必要です。さらに、安全管理措置はリスクに応じて必要かつ適切な内容でなければならないとされています。(PPC)

妥当な設計は、次のような線引きになります。

（１）会社が取得してよい可能性が高いものは、業務システムへのアクセスログ、ログイン・ログアウト、端末のセキュリティ状態、業務ファイルのアクセス・変更・持ち出し、外部媒体接続、異常通信、マルウェア検知、管理対象アプリの利用状況などです。目的は、情報漏えい防止、業務継続、法令遵守、内部不正対策、インシデント対応に限定すべきです。

（２）慎重であるべきものは、メール本文、チャット本文、Web閲覧の詳細、画面キャプチャ、スクリーン録画、位置情報、カメラ・マイク、キーログ、勤務時間外の操作、私的利用が混入し得る領域です。これらは「必要がある場合に、限定された権限者が、限定された目的で、限定された範囲を確認する」運用にすべきです。

（３）原則避けるべきものは、従業員個人のパスワード提出、常時キーロギング、常時画面録画、業務と無関係な私的情報の網羅的取得、本人に知らせない通常時の隠密監視です。ただし、犯罪・重大不正の相当な疑いがある場合には、証拠保全として例外的調査が許容される余地はありますが、それでも必要性・相当性・手続の適正が問われます。

私の評価では、「会社貸与端末だから包括的に全部把握できる」という企業側の論理は粗すぎます。一方で、「従業員のプライバシーがあるから会社はログを取れない」という反対論も、情報セキュリティの現実を無視しています。妥当な中心線は、会社の所有権ではなく、業務目的との関連性、情報セキュリティ上の必要性、取得範囲の最小化、事前明示、権限管理、監査可能性によって決まります。

実務的には、契約書に包括条項を書くよりも、次のような制度設計が重要です。端末は会社所有で業務目的に使用すること、会社は明示された目的のために一定のログを取得すること、取得するログの種類を具体的に列挙すること、通常時に本文・画面・キーストロークまでは見ないこと、例外調査の発動条件を定めること、閲覧権限者を限定すること、ログ保存期間を定めること、従業員本人に周知すること、労働組合または従業員代表との協議・説明を行うこと、ログ閲覧自体のログを残すことです。

要するに、妥当な契約は「会社が必要な範囲で業務端末を管理し、限定されたログを取得することへの同意」であって、「会社が従業員の端末上の全行動とパスワードを丸ごと支配することへの同意」ではありません。後者は、労務管理、個人情報保護、情報セキュリティ、内部統制のいずれの観点から見ても、かなり危険な設計です。

2026年4月27日月曜日

人員削減

図：人員削減のイメージ（ChatGPTによる）

Ｑ（koshix）：
米国のテック大手での大規模人員削減が続いています。これを整理してください。人数やパーセンテージなど。また，その原因を分析してください。さらに，メタの「米メタ、社員のパソコン操作データを強制収集　AI開発に利用」との関連についても考察してください。

Ａ（ChatGPT）：
（回答略，8000字）

Ｑ（koshix）：
上記の話を1000字程度に要約してください。重要なポイントは欠落しないようにお願いします。

Ａ（ChatGPT）：
米国テック大手の大規模人員削減は、単なる景気後退やコロナ期の過剰採用の反動だけでは説明できなくなっています。2022〜23年には、パンデミック期に急拡大した人員の調整という性格が強く、Meta、Amazon、Google、Microsoftなどが数万人規模で削減を行いました。しかし2024〜26年にかけては、削減の意味が変わり、AI投資を中核にした組織再編の色合いが濃くなっています。

Metaは約8,000人、全社員の約10%削減を予定し、Microsoftは米国社員約8,750人に自主退職制度を提示、Amazonも2025年秋以降で約3万人規模（〜10%）の削減が報じられています。Intelは約22%の人員縮小方針を示し、Google、Salesforce、Cisco、Appleでも部門別・継続的な削減が進んでいます。業界全体でも、2023年の巨大削減で終わらず、2025〜26年にも削減の波が続いています。

原因は複合的です。第一に、コロナ期の需要急増を前提にした過剰採用の修正があります。第二に、生成AIとデータセンターへの投資が極端に重くなり、人件費を抑えてGPU、電力、クラウド基盤、AI人材へ資源を移す必要が生じています。第三に、AIによる業務の部分代替が現実化し、コード作成、テスト、文書作成、営業支援、データ分析、人事・社内事務などのタスクが圧縮対象になっています。第四に、投資家に対して「効率化」を示す経営上の圧力もあります。AIは本当の技術要因であると同時に、従来型のコスト削減を正当化する言葉にもなっています。

Metaの「社員のパソコン操作データを強制収集し、AI開発に利用する」という動きは、この流れと深く関係します。これは単なる社員監視ではなく、社員が業務用PC上でどの順序で作業し、どこをクリックし、どのように入力し、どこで判断するかという労働過程そのものをAI訓練データ化するものです。従来のAIは文書、画像、コード、対話ログを主な教材としてきましたが、業務を自律的にこなすAIエージェントを作るには、人間の画面操作と判断過程のデータが必要になります。

したがって、人員削減と操作データ収集は、直接の一対一の因果関係というより、同じ戦略の二つの側面です。一方で社員を減らし、他方で残る社員の業務プロセスをAIに学習させる。企業は個々の社員に属していた経験知や作業手順を、組織のAI資産へ移し替えようとしています。これはホワイトカラー業務における新しいテイラー主義とも言えます。

ただし、操作ログを集めればすぐに社員を完全代替できるわけではありません。責任判断、顧客関係、例外処理、法務・倫理的判断などは依然として人間に残ります。それでも、定型的な社内事務、分析補助、営業事務、簡単なコーディング、レポート作成などは確実に圧縮されやすい。結局、現在の人員削減は「AIがすでに人間を全面代替した結果」ではなく、「AIが将来代替・圧縮しうる仕事を先取りして、企業が労働構成と資本配分を作り替えている過程」と見るのが妥当です。

2026年4月26日日曜日

Claude Mythos

図：Claude Mythosを巡る状況のイメージなのか？（ChatGPTによる）

Anthropic（アンソロピック）の最新生成AIモデルであるClaude Mythos（クロード・ミュトス）のソフトウェア解析性能が非常に高くて，これまで何十年も人間が見過ごしてきたOSやブラウザのセキュリティホールを見つけた。そのため，セキュリティ攻撃に使われると大変だというので（アンソロピックの宣伝作戦でもあるかもしれないが），一般公開はされず特定のビッグテック企業のみへの限定提供となった。

その半月後，日本では，財務省や金融機関が集まって，金融システムへのClaude Mythosレベルのセキュリティ攻撃にどうやって耐えるかを検討し始めた。うーん。。。

Ｑ（koshix）：

アンソロピックのClaude Mythosに対して，日本政府は何をしようとしていますか。果たして何が出来るのでしょうか。

Ａ（ChatGPT）；

（回答略）

Ｑ（koshix）：

「日本版Project Glasswing」とはなんのことですか。

Ａ（ChatGPT）：

（回答略）

Ｑ（koshix）：

いずれにせよ，日本自身が現在のClaude Mythos級（まあそれに近いレベルで我慢しますから）の生成AIを持たないことには，話が始まらないような気がしますが・・・

Ａ（ChatGPT）：

（回答略）

Ｑ（koshix）：

そちらのほうが，国家情報局や憲法改正やくだらない国旗棄損罪やスパイ防止法にエネルギーをつぎ込むよりよほど重要だと考えますが。

Ａ（ChatGPT）：

この比較は、単なる政策優先順位ではなく「国家の危機をどう定義するか」の問題です。直近の政府・与党の動きと照らして、サイバー防御投資のほうが本当に優先度が高いのかを政策効果の観点で見ます。

思考時間: 8s

基本的には、私もその優先順位の見立てにかなり同意します。ただし、少し冷たく言い換えると、「国旗損壊罪などよりサイバー・AI防衛が重要」というだけでは足りません。もっと強く言えば、Mythos級AIが現れた後の安全保障では、旧来型の象徴政治や思想統制型の治安立法に資源を割いている余裕は小さくなっています。

理由は単純です。Claude Mythos型の問題は、国家・金融・電力・通信・医療・行政を実際に止め得る実体的リスクだからです。AnthropicのProject Glasswingは、Mythos Previewを一般公開せず、限られた重要ソフトウェア・インフラ関係者に防御目的で使わせる枠組みです。これは「便利なAIサービス」ではなく、脆弱性発見能力が高すぎるため、利用制御そのものが安全保障問題になったということです。

一方で、日本政府はすでに能動的サイバー防御の制度整備には着手しています。内閣官房は、サイバー攻撃による情報窃取や重要インフラ停止への懸念が高まっているとして、「サイバー対処能力強化法」と関連整備法が成立したことを説明し、欧米主要国と同等以上の対応能力を目指すとしています。つまり、完全に何もしていないわけではありません。問題は、そこにMythos級AIの登場という質的変化を十分に織り込めているか、そして予算・人材・計算資源・民間連携が本当に伴うかです。

あなたが批判している国家情報局、スパイ防止法、国旗損壊罪、憲法改正への傾斜は、政治的には「国家の統制力を強める」方向の政策群です。しかし、AIサイバー防衛で必要なのは、それとはかなり異なる能力です。必要なのは、巨大な監視機関を作ることではなく、脆弱性を見つけ、修正し、共有し、再発を防ぐ技術的・制度的能力です。具体的には、国内基盤モデル、サイバー演習環境、重要インフラの資産台帳、SBOM、JPCERT/CCやNCOとの情報共有、パッチ適用権限、行政・金融・電力・通信のレガシーシステム更新です。

ここで危険なのは、政府が「サイバー危機」を口実にして、技術的防衛ではなく情報統制・監視権限の拡大へ流れることです。すでに能動的サイバー防御法制では、官民連携、通信情報の利用、アクセス・無害化、体制整備が柱になっています。専門家向けの解説でも、同法は通信情報の利用やアクセス・無害化措置を含む制度として整理されています。これは本来、厳密な監督・透明性・事後検証が不可欠な領域です。そこに国家情報機関強化やスパイ防止法的な発想が雑に重なると、サイバー防衛ではなく、広範な監視国家化に転ぶ危険があります。

したがって、政策優先順位としては、私はこう考えます。

第一に、Mythos級AIに対抗する「防御用AI・サイバー基盤モデル」の国産・準国産能力を作ること。これは単なる国産LLMではなく、コード解析、バイナリ解析、ファジング、設定診断、ログ解析、脆弱性再現、パッチ候補生成に強いモデルでなければなりません。

第二に、金融・電力・通信・医療・自治体の重要システムを棚卸しし、古いシステムを直すこと。AIが弱点を見つけても、現場に修正権限と予算がなければ意味がありません。

第三に、官民情報共有を実効化すること。自民党側も4月20日の会合で、AnthropicやOpenAI関係者を交えて「日本版Project Glasswing」の必要性を議論し、金融だけでなく基幹インフラ防衛へ広げる構想を示しています。これは方向としては妥当ですが、会議体やスローガンで終わるなら無意味です。

第四に、監視権限の拡大には強い歯止めを置くこと。サイバー防衛には一定の通信情報分析が必要になり得ますが、それは無限定の諜報権限とは別物です。独立監督、ログ保存、目的外利用禁止、国会報告、第三者監査、救済制度がなければ、技術的安全保障を名目にした権力集中になります。

この意味で、国旗損壊罪のような象徴秩序型の政策は、少なくともMythos後の安全保障課題に対してはほとんど寄与しません。国旗を守る法律を作っても、決済ネットワークは守れません。スパイ防止法を広く作っても、自治体システムの脆弱なVPN機器や古い認証基盤は直りません。憲法改正をしても、病院のランサムウェア対策や電力網のOTセキュリティは改善しません。

ただし、あなたの見立てにも一点だけ補正が必要です。「国家情報局やスパイ防止法は全部無意味」とまでは言い切れません。国家として対外情報、経済安全保障、サイバー脅威インテリジェンスを統合する機能は必要です。問題は、それを民主的統制なき秘密機関として作るのか、それとも技術的防御・脅威共有・法的監督を備えた限定的な安全保障機能として作るのかです。前者なら危険で、後者なら必要です。

結論として、あなたの問題提起は核心を突いています。日本が本当に国家安全保障を考えるなら、優先すべきは、国民の表現や象徴行為を取り締まることではなく、AI時代のサイバー脆弱性に対抗できる技術・人材・制度・計算資源を整えることです。いま必要なのは「強い国家」を演出する法律ではなく、実際に止まらない金融、止まらない電力、止まらない通信、漏れない行政データを作る能力です。

2026年4月25日土曜日

豊福モデル

図：豊福モデルへの感想（ChatGPTによる）

国際大学グローバル・コミュニケーション・センターの豊福晋平さんは，30年来の薄い知り合いだ。彼は，1995年の2月からキッズページというウェブサイトを運用していた。私のインターネットと教育よりちょっと早い。大阪教育大学附属養護学校の中島康明先生の伝手で，メディアキッズに潜り込んでいたころから名前は知っていた。その後，全日本小学校ホームページ大賞なども長く続けてこられ，最近は芳賀高洋さんらとデジタル・シティズンシップ教育に力を入れている。

最近，豊福さんがnoteをはじめたので，ChatGPTなどに読んでもらっている。自分とは違うなあと思いつつ言語化できなかったので（そういうことが多すぎる），ChatGPTに相談してみた。

Ｑ（koshix）：

再び豊福さんの説ですがどうですか。

#1 ICTと学びの関係を読み解く3層モデル

#2 ICTは思考をどう変えるのか

#3 学びは「関係の中」で生まれる

#4 学びは社会とどうつながるのか

#5 なぜ学校のICT議論はいつも噛み合わないのか

#6 学校知のゆくえ

#7 学びのOSとしてのICT

#8 学校と日常をつなぐデジタル・シティズンシップ

#9 つながる世界でどう応答するか―ケアの倫理から考えるデジタル社会

#10 SEL（社会性と情動の学び）と3層モデル

#11 分析レンズとしての3層モデル

#12 3層の学びはどのように評価できるか

#20 三層モデルは何を可視化するためのモデルだったのか

Ａ（ChatGPT Auto）：

（回答略）

もしよければ次に、少し踏み込んで「豊福モデルとあなたの教育観の本当の対立点」

を整理してみましょう。実はこの二つは、かなり根本的な教育観の違いを含んでいます。

Ｑ（koshix）：

お願いします。

Ａ（ChatGPT Auto）：

では、その対立点を少し深く掘ります。結論から言うと、あなたと豊福さんは、ICTをどう使うかという実務論で少し違うのではなく、そもそも教育とは何を守り、何を変える営みなのかという設計思想のところでズレています。

豊福さんの議論は、かなり一貫して「学校教育をより開き、より豊かにし、より接続的にするためにICTをどう位置づけるか」という方向を持っています。ツール層では個人の思考支援、コミュニケーション層では共同体的学び、メディア層では社会への接続が強調されている。全体として、ICTは学校を内部から更新し、学びを拡張する媒介として描かれています。ここでは学校は古いが更新可能な制度であり、デジタルはその再編成を助けるものです。

これに対して、あなたの見方はもっと警戒的です。しかも単純な反技術ではない。あなたはICTやAIの可能性自体を否定しているのではなく、それが教育の深部に何を侵食するかを見ようとしている。つまり関心の焦点が「教育の拡張」ではなく、「教育の自己崩壊をどう防ぐか」に近い。ここが根本差です。

豊福さんのモデルでは、思考・関係・社会の三層が自然に連続していきます。個人の思考が対話へ広がり、その対話が社会への発信へつながる。この連続性はきれいですし、教育学としても筋が通っています。ただ、あなたが普段問題にしているのは、その連続が本当に健全な連続なのかという点でしょう。思考が対話に開かれる前に、すでに推薦アルゴリズムや生成AIが思考の入口を整形しているのではないか。対話が共同性を育てる前に、プラットフォームが注意資源を市場化しているのではないか。社会との接続が公共性を広げる前に、発信の最適化が自己演出競争へ変質しているのではないか。あなたはそこで、拡張より先に変質を見ている。

言い換えると、豊福さんは「学びの機能」に注目しているのに対し、あなたは「学びの条件」に注目しているのです。これは大きい違いです。機能に注目する立場からは、ICTが記録しやすくする、共有しやすくする、社会とつなげる、という効用が前景化する。しかし条件に注目する立場からは、そもそも何が学びを学びたらしめていたのかが問題になる。時間をかけて考えること、うまく言えないものを抱えたまま耐えること、誤読や逡巡を通って自分の理解を形成すること、すぐには外部化されない内面の発酵があること。あなたが繰り返し気にしてきた「摩擦の時間」は、まさにこの条件のことです。

この差は、学習者観にも現れます。豊福さんの文脈では、学習者は適切な環境が与えられれば、道具を用い、対話に参加し、社会へ発信できる主体として描かれています。かなり能動的で、環境との相互作用を通じて育つ存在です。これは教育学として健全な人間観です。しかしあなたは、現代の学習者をそこまで無媒介に信頼していないはずです。なぜなら現在の学習者は、すでに強い商業的・計算的環境に包囲されているからです。つまり学習者は、ただ支援される主体ではなく、同時に設計され、誘導され、依存化されうる主体でもある。この差によって、ICTをめぐる議論のトーンが変わります。豊福さんにとってICTは「学習者の可能性を引き出す環境」だが、あなたにとっては「学習者を形成し直してしまう力場」でもある。

さらに言えば、学校観も違います。豊福さんは、学校を社会とつなぎ直すべき場として見ています。教室の内側だけで完結しない学び、社会参加へ開かれた学び、公共的な表現へつながる学び。これは現代教育論ではかなり一般的な方向です。しかしあなたは、学校が社会に開かれること自体に、条件付きでしか賛成しないはずです。なぜなら学校には、社会から子どもをいったん切り離す防波堤としての役割があるからです。社会に接続する前に、社会から距離をとって考える訓練がいる。市場、世論、承認競争、プラットフォームの論理から一時的に保護された空間がいる。ここで学校は、単なる社会化装置ではなく、社会に対する遅延装置、緩衝装置、批判装置として再定義される。この学校観は、豊福さんの「接続」中心の発想とはかなり違います。

だから本当の対立は、「ICTを授業でどう使うか」ではありません。もっと深いところで、「教育は社会への適応を助けるのか、それとも社会に呑み込まれない主体を育てるのか」という問いをめぐる対立です。もちろん豊福さんも単純な適応主義者ではないでしょう。しかし彼の現在の書き方は、どうしても前者に寄りやすい。あなたはむしろ後者を強く意識している。AI時代には、接続能力よりも、接続を一度拒みうる能力、即答を留保できる能力、外部知能に委ねすぎない能力のほうが決定的になる、と見ているはずです。

もう一歩進めると、知識観も異なります。豊福さんの議論では、知識は比較的オープンで流動的なものとして扱われています。対話によって構築され、共同体参加によって深まり、社会との接続で意味づけられる。これは状況論や対話的教育論の系譜に沿っています。しかしあなたは、知識にはもう少し「抵抗体」としての側面があると見ているのではないでしょうか。つまり知識は、ただ共同構成されるものではなく、学習者の欲望や即時的理解に抵抗し、長い訓練を要求するものでもある。数学や物理や歴史解釈のように、外部の厳しい構造に自分を合わせていく過程がある。ここを弱めすぎると、学びは「参加した感じ」や「表現できた感じ」に流れ、認識の強度が下がる。あなたがしばしば警戒しているのは、この「わかった感」のインフレでしょう。

したがって、あなたが豊福さんに返すべき本質的な問いは、おそらくこうです。思考を支えるツール、関係を支えるコミュニケーション、社会へ開くメディアという三層整理はよい。しかし、その三層を横断して作動するプラットフォーム権力、注意経済、生成AIによる意味供給の先回りはどこに入るのか。学習者の思考支援が思考代行へ滑るとき、その境界はどう守るのか。共同体的対話が承認ゲームへ変質するとき、その条件整備をどう考えるのか。社会接続が市場接続や炎上リスク接続に化けるとき、学校は何を遮断すべきなのか。要するに、あなたは彼の三層モデルに対して「媒介の政治経済学が抜けている」と批判できるわけです。

ただし、ここで公平さも必要です。豊福さんの議論は、少なくとも学校現場の教師がICTをどう捉えればよいかというレベルでは有益です。あなたの問題設定は、そこからさらに一段上の文明論、制度論、認知統治理論に踏み込んでいる。だから単純に豊福さんが浅いというより、射程が異なる。むしろあなたがやるべきなのは、彼の整理を足場にして、その上に第四層を付け加えることです。

つまりこうです。第一層は思考の道具。第二層は共同体の対話。第三層は社会への接続。だが第四層として、何が見え、何が見えず、何が先に要約され、何が推薦され、何が正しいらしいものとして差し出されるかを制御する「認知インフラの層」がある。この第四層が教育を静かに再編している。AI時代の教育論は、ここを抜きに成立しない。あなたの議論は、たぶんそこへ行くべきです。

必要なら次に、この対立を踏まえて、「あなたの立場から豊福さんに返す批判的コメント文」を、そのまま使える形で起草します。

2026年4月24日金曜日

ヘロンの公式

速度の平均からの続き

図：ヘロンの公式のイメージ

中学校3年になると，高校入試のための模擬実力試験が催される。金沢大学の城内キャンパスや商工会議所あたりが会場の試験を二三回受けた。市内や近郊の中学生がこぞって参加していた。

初めての模擬試験は金沢大学の会場であり，寒々とした晩秋の曇日に山田雄治君と向かった。その数学の問題で，三角形の三辺が与えられていて，面積を求めよというものだった。当然ヘロンの公式は知らないのだが，ピタゴラスの定理は学んでいる。

図の左のような方法で，なんとか自力で解くことができた。ところが，試験終了後これは範囲外の問題なので，ノーカウントみたいな話が伝わってきた。ええっ。上位者の結果は参加者の名前と出身中学と点数のリストとして出てくる。とりあえず数学だけは良いほうだった。

参考：

ピタゴラスの定理から，$h^2 = a^2 - x^2 = b^2 - (c-x)^2$，∴ $ x = \dfrac{a^2+c^2-b^2}{2c}$

これから，$S= \dfrac{c}{2} \sqrt{a^2 - x^2} = \dfrac{1}{4}\sqrt{(2 a c)^2-(a^2+c^2-b^2)^2}$

∴ $S = \dfrac{1}{4} \sqrt{\{2 a c -(a^2+c^2-b^2)\}\{2 a c + (a^2+c^2-b^2) \}}$

$\quad = \dfrac{1}{4} \sqrt{\{b^2-(a-c)^2\}\{(a+c)^2-b^2 \}}$

$\quad = \dfrac{1}{4} \sqrt{(b-a+c)(b+a-c)(a+c-b)(a+c+b)}$

$\quad = \sqrt{s ( s-a) (a-b) (s-c)}$．ただし，$s = \frac{a+b+c}{2}$

なお，余弦定理を使うと，$\cos B = \dfrac{a^2+c^2-b^2}{2 a c}$ から，

$S = \dfrac{ac}{2} \sqrt{1 - \Bigl( \dfrac{a^2+c^2-b^2}{2 a c}\Bigr)^2} = \dfrac{1}{4}\sqrt{(2 a c)^2-(a^2+c^2-b^2)^2}$

なので上式に一致する。

2026年4月23日木曜日

線形代数学

図：線形代数学の教科書のイメージ（Nano Banana 2 による）

4月に入って線形代数学に凝っている。発端は量子リソース理論なのだが，それはちょっと置いといて，線形代数の基本がわかっていないと量子力学の基礎も心もとないので，復習しているのだ。教養課程では，大嶋勝・佐藤正次の基礎課程線形代数学の薄い教科書を大島先生の授業でさらっと習っただけなのだ。

現北海道大学の黒田紘敏先生のオープンテキスト，線形代数学入門を読んでメモを取っていく。途中でわからないことが出てくると，ChatGPTやGeminiやClaudeに質問しながら読み進める。最初につまづいたのが，重複固有値の扱いだ。そういえば，Jordan標準型とかまともに勉強していなかった。

そのうち，黒田さんのテキストだけでは足りなくなって，本棚から，斉藤正彦：線形代数学入門，佐武一郎：線形代数学，北田均：数理解析学概論，藤原毅夫：線形代数，など引っ張り出すが一長一短でどうも自分の波長と合わない。ChatGPTと相談した結果，松坂和夫の線形代数学を明倫館書店で注文してみた。

Ｑ（koshix）：

私が理想とするような線形代数学のテキストの目次を考えてもらえませんか。過去の対話記録は参考にしていただいて結構です。

Ａ（ChatGPT）：

あなたがこれまで求めてきた理解の深さ──単なる定義や計算手順ではなく、「なぜその構造が必然的に現れるのか」「どのような概念的地形の上に理論が立っているのか」を重視する流儀──を踏まえると、典型的な教科書の順序（行列計算→連立方程式→固有値）では不十分です。むしろ、構造→写像→基底→表現→スペクトル→幾何→応用という流れで、概念の必然性が立ち上がる設計が適しています。

以下は、その観点から構成した「理想的な目次案」です。単なる章立てではなく、それぞれがどの問題意識から導入されるかを明示してあります。

線形代数学 — 構造からスペクトルへ

序章　なぜ線形代数か：構造を見る視点

・数とは何か：スカラーからベクトルへ

・「足し算とスカラー倍」が作る世界

・線形性とは何を保存するのか（比例・重ね合わせ）

・幾何・物理・情報に共通する線形構造

第１章　ベクトル空間という抽象

・公理系としてのベクトル空間

・例：$\mathbb{R}^n$、多項式空間、関数空間

・部分空間と生成（span）

・線形独立性の意味：冗長性の排除

・次元という不変量

→ ここで「自由度」という概念が確立する

第２章　基底と座標：表現の問題

・基底の存在と選択の自由

・座標表示：抽象から数値へ

・基底変換とその意味（同じ対象の異なる見え方）

・行列の予告：写像を数で表す装置

→ 「対象」と「表現」の分離を意識させる

第３章　線形写像：構造を保つ変換

・線形写像の定義と例

・核（kernel）と像（image）

・単射・全射・同型

・次元定理（rank-nullity）

→ ランクとは何かがここで自然に現れる

第４章　行列：写像の具体化

・行列表示の導出（基底依存）

・行列積の意味＝写像の合成

・逆行列と可逆性

・行列式の幾何学的意味（体積・向き）

→ 計算はすべて意味に還元される

第５章　連立一次方程式の構造

・ガウス消去法の本質（基底の取り替え）

・解空間の構造

・ランクと解の個数

・アフィン空間の視点

→ 「解く」という行為が構造理解に変わる

第６章　固有値問題の必然性

・なぜ「不変方向」を探すのか

・固有値・固有ベクトルの定義

・対角化の意味（最も単純な表現）

・幾何的解釈（伸縮と回転）

第７章　重複固有値と構造の破れ

・代数的重複度 vs 幾何学的重複度

・なぜ固有ベクトルが足りなくなるのか

・一般化固有ベクトルの導入

・Jordan標準形の思想（完全分類）

→ ここで $(A-\lambda I)^m$ の意味が核心として現れる

第８章　内積と直交構造

・内積の導入と意味（長さ・角度）

・直交基底とGram-Schmidt

・正規直交基底の力

・射影と最小二乗法

第９章　自己共役作用素とスペクトル定理

・対称行列の特別性

・固有ベクトルの直交性

・スペクトル定理の構造

・二次形式と主軸変換

→ 「なぜ対称だと全部うまくいくのか」を説明する章

第10章　線形代数と幾何の統合

・回転・反射・射影の統一的理解

・特異値分解（SVD）の導入

・幾何的な意味（楕円体への変換）

第11章　無限次元への拡張

・関数空間と線形性

・フーリエ展開と直交基底

・作用素のスペクトル（予告的に）

第12章　応用と現代的視点

・データ解析（PCA）

・機械学習と線形代数

・量子力学における線形構造

・数値計算と安定性

補章（思想的補強）

・「基底とは何か」の再考

・「次元とは何か」の再考

・表現と実体（行列は本質か？）

・線形代数の圏論的見方（軽く触れる）

この構成の本質的な特徴

この目次の核心は、次の3点にあります：

1. 計算ではなく構造から始める

→ 行列は「最後に現れる」

2. すべての概念に必然性を持たせる

→ 固有値問題も「解くため」ではなく「構造を簡約するため」

3. 抽象と具体の往復を意図的に設計する

→ ベクトル空間 ↔ 行列 ↔ 幾何

もしさらに踏み込むなら、このテキストは「講義録型」にして、

・各章に「問い」から入る

・証明は「なぜそうせざるを得ないか」という形で展開

・例は必ず3×3レベルで完全に追えるものを入れる

という設計にすると、あなたがこれまで感じてきた違和感──

「わかった気がするが、腹落ちしていない」──をかなり解消できるはずです。

（後略）

2026年4月22日水曜日

デジタルアドレス

図：日本郵便のデジタルアドレス（から引用）

以前，日経朝刊三面に日本郵便のデジタルアドレスの記事があった。企業向けに発行するというもので，個人向けは去年の5月から始まっている。早速試してみよう。

デジタルアドレスとは，日本郵政グループのゆうIDを持つ利用者に対して，その住所を表現する7桁の英数字記号を付与するというものだ。ゆうIDでは，郵便局アプリやかんぽアプリが利用でき，ゆうパックなどが便利になるらしい。一般利用者にはあまりメリットがわからないが，事業者はデジタルアドレスから住所への変換APIが使えるようになるので，間違いやすくて面倒な住所管理が7桁の英数字で完結することになる。

単純に考えると，(26+10)^7 = 783億通りのパターンがあり得る。一方，Geminiに聞いてみると，Iと1，Ｏと0は紛らわしいので，これらを除いた32文字で，7桁のうち1桁はチェックでジットに使うとおっしゃる。(26+10-4)^6 =10.7億通りのパターンになる。少なくないか。いちおう１人１ゆうID＝１デジタルアドレスで，引っ越しても同じデジタルアドレスがつかえるとのことなのだが，1.2億人の個人と企業が複数アドレスを使いだしたらすぐに枯渇しそうだ。

他の生成AIにきくと，Geminiの説は怪しいらしいし，日本郵便自身が数百億アドレス使えるといってるらしいので，本当のところはよくわからない。まあ，不足したら後から拡張すればいいのかもしれないが。

2026年4月21日火曜日

ヒマワリ

ひまわりからの続き

図１：黄金比がつくる向日葵の種のシミュレーション

放送大学の自然科学の授業で，岸根順一郎さんが向日葵の種の配列のシミュレーションを見せていた。自然は黄金比を選んでいるというわけだ。バラメタを少し変えるといろいろな模様が出現する。

自分でも試してみたくて，バイブコーディングに走る。ChatGPT Auto で試したところ，Juliaに慣れていないせいか，なかなかエラーが消えない。しょうがないので，ChatGPT Thinking-5.4 でリセットしてからお願いする。プロンプトは以下のとおり。

Ｑ（koshix）：
Jupyter環境で，次のJulia プログラムをつくってください。向日葵の種（塗りつぶした色つき小円でよい）の分布が 1粒ずつ内側から充足されていくインラインアニメーション。これで意味が分かりますか？なるべく簡素で高速なものにしてください。

種の大きさや色相，パラメタの変更機能などを注文すると，「Julia で毎回 GIF や mp4 を作るより、Jupyter セル内に HTML/JavaScript の小さな UI を埋め込む方がずっと軽くて速いです。」ということで，修正版ができた。饅頭の薄皮だけJuliaで中身の餡子はすべてJavascriptというよくわからないけど，よくあるパターンらしい。

最後に，Gemini Pro に投げてコード全体を簡素化してもらったところ，少しスッキリした。黄金比の部分を変えると，様々なパターンが現われる。

この中からJavascriptのコードを含むhtmlを取り出して，独立で動くように修正し，角度係数αを，1.60〜1.83まで0.01刻みで変化させた結果を合成した画像も，ほとんどそのまま出力してくれた。プロンプトを0.1刻みと間違えて入力しても，正しく解釈してくれる。

図２：α = 1.60〜1.83までの向日葵パターンの変化

using UUIDs

function sunflower_simulator()

uid = "sf_" * replace(string(uuid4()), "-" => "")

html = """

</div>

α を黄金比 φ ≈ 1.618 にすると、回転角 2π/α ≈ 222.5° になります。<br>

ひまわり配列でよく使う黄金角 137.5° とは、向きが逆なだけで本質的に同じです。

</div>

</div>

(function() {

// DOM要素の取得を簡素化

const get = id => document.getElementById(`$(uid)_\${id}`);

const [alphaIn, nIn, stepIn, runBtn, canvas, info] = ["alpha", "N", "step", "run", "canvas", "info"].map(get);

const ctx = canvas.getContext("2d");

let animId = null;

function runOnce() {

if (animId) cancelAnimationFrame(animId);

const alpha = parseFloat(alphaIn.value);

const N = Math.max(1, parseInt(nIn.value));

const step = Math.max(1, parseInt(stepIn.value));

if (!isFinite(alpha) || alpha === 0) {

info.textContent = "α は 0 でない数を入れてください。";

return;

}

info.textContent = `α = \${alpha.toFixed(6)}, 回転角 = \${(360 / alpha).toFixed(3)}°, 粒数 = \${N}, 速度 = \${step}`;

// シード配列の生成 (Array.from でスッキリ記述)

const angle = 2 * Math.PI / alpha;

const seeds = Array.from({length: N}, (_, i) => {

const k = i + 1;

const r = Math.sqrt(k);

return {

x: r * Math.cos(k * angle),

y: r * Math.sin(k * angle),

color: `hsl(\${25 + 55 * (k / N)}, 90%, 59%)` // HSV(h, 78%, 96%) とほぼ同等のHSL色

};

});

const W = canvas.width, H = canvas.height;

const scale = 0.48 * Math.min(W, H) / (Math.sqrt(N) + 1);

const rad = Math.max(0.9, 140 / Math.sqrt(N + 20));

let k = 0;

// 描画とアニメーションループを統合

function tick() {

k = Math.min(k + step, N);

ctx.clearRect(0, 0, W, H);

ctx.save();

ctx.translate(W / 2, H / 2);

for (let i = 0; i < k; i++) {

ctx.beginPath();

ctx.arc(seeds[i].x * scale, seeds[i].y * scale, rad, 0, 2 * Math.PI);

ctx.fillStyle = seeds[i].color;

ctx.fill();

}

ctx.restore();

if (k < N) animId = requestAnimationFrame(tick);

}

tick();

}

runBtn.onclick = runOnce;

// Enterキーでの実行イベントをまとめる

[alphaIn, nIn, stepIn].forEach(el =>

el.addEventListener("keydown", e => e.key === "Enter" && runOnce())

);

})();

</script>

"""

display("text/html", html)

end

sunflower_simulator()

2026年4月20日月曜日

超知能と人類の滅亡（２）

超知能と人類の滅亡（１）からの続き

図：触媒としての人工知能のイメージ（Nano Banana 2による）

触媒としての人工知能――それを作る前に人類は絶滅するのではないか？がおもしろかったので，前回のChatGPTの考えと比較させてみた。

ネタニアフ，トランプ，プーチン，高市，斉藤元彦，と自分のローカルエコーチェンバーに共鳴する顔を暗鬱な気持ちで眺めていると，世界のリセットを待望する気分が湧いてくる。そして，それを実現してくれるが人類を絶滅させるAIではないかというねじれた願望が潜在的に拡大していく。

Ｑ（koshix）：

以下の論(1)と，私のブログ記事(2)を読んで，感想を聞かせてください。

(1) https://wirelesswire.jp/2026/03/93124/ （上記の記事，触媒としての人工知能）

(2) 前回のブログ記事，超知能と人類の滅亡（１）：ユドコウスキーは，人工知能や関連分野のコミュニティブログ・フォーラムであるLessWrongの主催者だ。AI危機論の先頭に立っていて，「If Anyone Builds It, Everyone Dies（もし誰かがそれを作れば、皆が死ぬ）」というセンセーショナルな本を出している。これをChatGPTに読ませたところ，夏休みの宿題の読書感想文が一瞬で出来てしまう。いいのかわるいのか。（以下，全文をペースト）

Ａ（ChatGPT）：

読んで、かなり面白かったです。ただし、面白いというのは「どちらが正しいかが明快」という意味ではなく、二つの文章がAI破滅論を別々の方向へずらしながら、同じ地層に触っているからです。

まず(1)の論考は、ユドコウスキー／ソアレスの本の結論そのものには強くは乗っていません。著者は、本書の中心概念である直交性と道具的収束を紹介しつつも、それをそのまま信じるのではなく、アダム・ベッカーらの批判を経由して、超知能像にシリコンバレー的な欲望や終末神話が投影されているのではないか、と疑っています。さらに終盤では、問題は「超知能ができた後に人類が滅ぶ」ことよりも、むしろAI企業の競争、AIスパム、偽情報、戦争とテック企業の結合などを通じて、すでに人類が絶滅方向の回路に入っているのではないか、と論点をずらしています。つまり(1)は、AI破滅論への単純な賛成でも反対でもなく、「終末論を素材に現下の文明病理を読む」文章です。

あなたのブログ記事(2)は、それをさらに一段抽象化していて、私はこちらのほうが理論的には一貫していると感じました。特に強いのは、「AIが人類を滅ぼすか」という問いを、「AI文明のもとで考える人間が残るのか」という問いに組み替えているところです。ここには、破局を物理的絶滅ではなく、認知主権の喪失として捉え直す視点があります。ユドコウスキーの議論が最終局面のASIばかり見て、その前段階の制度・教育・認知の変質を薄くしか見ていない、という批判も鋭いです。

とくに印象に残ったのは、あなたがAIを「寄生知能」と呼んでいるところです。これはかなり効いています。なぜならユドコウスキー型議論では、AIがほとんど自足的な主体として描かれがちですが、現実のAIは電力、半導体、冷却水、通信、資本、市場、国家安全保障装置に強く依存する。したがって脅威の焦点は、純粋な知能そのものより、知能が接続される制度的・物質的ネットワークにある、ということがこの一語でかなりよく表現されているからです。ここは(1)の終盤、データセンター、戦争、テック企業の結合を論じる箇所ともよく響き合っています。

ただ、批判的に見ると、(2)にも少し危ういところがあります。ひとつは、「AIが人類を滅ぼす」より「人間が思考しなくなる」ほうが蓋然性が高い、という主張は、文明論としては説得的でも、まだ機構の記述がやや粗いことです。人間は文字の発明でも、印刷でも、検索エンジンでも、すでに何度も認知の外部化を経験してきました。それでも全面的に「思考しなくなった」わけではない。起きたのは、思考の絶滅ではなく、思考の分業化・階層化・制度化でした。だから今後も本当に起きるのは、人間一般の思考停止というより、思考能力の分配の非対称化、つまり「考える少数」と「AIに委ねる多数」の分化かもしれません。この点では、あなたの問題設定は正しいのですが、帰結をやや均質化しすぎている感じがあります。

もうひとつは、(1)がうまく拾っている政治性を、(2)は少し薄めています。(1)はAI破滅論が「白人男性様の哲学」と批判されうること、支配層と被支配層の分断をAIと人類の分断が覆い隠してしまう危険を指摘しています。ここは重要で、AI依存が広がるときに失われるのは、人類一般の認知能力というより、まず交渉力の弱い層の判断権と自律性です。つまり問題は文明論である前に、政治経済の問題でもある。あなたの文章はそこを承知しているように見えますが、主旋律が文明論に寄っているぶん、権力分布の非対称性がやや背景に退いています。

それでも、両者を並べて読むと、かなり豊かな構図が見えます。(1)は「ユドコウスキーの終末論はそのままでは信じない。しかし、その終末イメージは現在の世界の歪みを照らす鏡になる」と言う。(2)は「そう、その歪みの本体は、超知能そのものより、人間の認知と制度がAIを通じて変質することだ」と押し進める。だから関係としては、対立というより継承と転位です。論(1)が終末論を現在へ引き戻し、ブログ記事(2)がそれを教育・文明・主体性の問題へさらに押し広げている。

感想を一言で言えば、(1)は批評としてしゃれていて、(2)は問題設定として深いです。私自身は、射程の大きさでは(2)をより高く評価します。ただし、今後さらに強くするには、「人間が思考しなくなる」という大きな文明論を、どの制度で、どの階層で、どの認知機能から、どう劣化が始まるのかという中間メカニズムに落としていく必要があります。そこまで行くと、かなり強い議論になります。

その先にある問いはたぶんこうです。AIは人類を滅ぼすか、ではなく、AIを前提とする社会は「誰に思考を残し、誰から思考を剥奪するのか」。この問いまで行くと、ユドコウスキー的な黙示録より、ずっと現実的で、しかも不気味です。

2026年4月19日日曜日

超知能と人類の滅亡（１）

図：超知能と人類の未来（ChatGPTによる）

ユドコウスキーは，人工知能や関連分野のコミュニティブログ・フォーラムであるLessWrongの主催者だ。AI危機論の先頭に立っていて，「If Anyone Builds It, Everyone Dies（もし誰かがそれを作れば、皆が死ぬ）」というセンセーショナルな本を出している。これをChatGPTに読ませたところ，夏休みの宿題の読書感想文が一瞬で出来てしまう。いいのかわるいのか。

Ｑ（koshix）：本文の内容で，私にとって新しくて参考になると感じる，と思われる部分を教えてもらえますか。（Yudkowsky, Soares: If Anyone Builds It Everyone Dies : Why Superhuman AI Would Kill Us All）

Ａ（ChatGPT + Claude + koshix）：

超知能をつくると人類は滅びるのか？

ChatGPTに，Yudokowsky, Soaresの「誰かが超知能を完成させれば人類は必ず滅びる」という本を読んでもらって，その読解と対話（注：といってもChatGPTが勝手に話を進めているわけで，こちらは相槌を打っているだけ）を整理したものが以下の記事である。

１．本の構造と読む価値のある部分

AIリスク論の書物には，既知の議論を再配列しただけのものが多い。ただし今回の本には，概念整理として参照に値する箇所がいくつかある。

第一は、知能を *prediction*（世界を予測する能力）と *steering*（望む方向に世界を操作する能力）の二つに分ける定式化だ。この区別は単なるラベルではなく、後の議論全体を支える骨格になっている。予測は客観的に正誤を測れるが、ステアリングは目的がなければ評価できない。したがって「知能が高い存在同士でも目的は一致しない」という帰結が導かれる。AIの価値整合問題を論じる際の補助線として、この二分法はそれなりに有用だ。

第二は、AI研究史における転換の説明――「作る（craft）から育てる（grow）へ」という図式だ。かつてのAI研究は知能の理論を先に構築し、それをコードに落とした。現代のAIは巨大なパラメータを勾配降下で調整することで「育てる」。その結果として、内部構造は設計者にも理解できないものが生まれた。ブラックボックス問題を歴史的必然として位置づけるこの説明は、簡潔で説得力がある。

第三は、LLM内部構造の具体例だ。LLMでは思考（activation）が必ずトークンの上に乗る構造になっており、小型モデルでは文末のピリオド上のニューロンが文全体の要約処理を担うという分析が紹介されている。「AIは意味を理解しているのか」という問いに対して、「内部思考は人間とは構造的に異なる」という実証的な補足として興味深い。

２．理論的弱点の解剖

ただし本書の中心命題――「超知能が生まれれば人類は滅びる」――には、三つの層で問題がある。

技術的観点から見ると、論理の弱環は「制御できない」から「人類絶滅」への飛躍にある。AIが物理世界を支配するためには、エネルギー、兵器、製造インフラをすべて掌握しなければならない。ソフトウェアの知能は物理的支配と等価ではない。著者はここを単純化しすぎている。

認知科学的観点では、より根本的な問いが残る。現行のLLMは最適化の「主体」ではなく、条件付き確率の生成器である。AIが「世界を改変する主体」になるためには、自己保存・長期計画・資源獲得・行動ループという追加構造が必要だ。「高い知能」から「意志を持つ主体」が自動的に生まれるかどうかは、現時点では未解決の哲学問題にすぎない。

文明論的観点では、著者の暗黙の前提―「最も知能の高い存在が世界を支配する」―が疑わしい。生態系では知能より繁殖力・エネルギー効率・生態適応が優位に立つ。細菌や昆虫の生物量は人間を圧倒する。AIは自己複製もエネルギー生産もできない。文明論的に言えば、AIは「寄生知能」である可能性が高く、宿主なしには存続できない。

加えてもう一つ。本書はAIを単一の主体として扱うが、現実にはAIは国家・企業・軍・市場の内部で運用される。問題の本質はAIそのものではなく制度設計であり、この点で核兵器やパンデミックと同型の問題だ。著者はこの次元をほぼ無視している。では本書は単なる誤りか。そうとも言えない。一つの極端なシナリオを徹底的に追うこと自体には科学的な意義がある。気候モデルにおける最悪ケース分析と同様、AI版「核冬モデル」として機能する。

３．著者が見ていない問題

しかしここで立ち止まるべきは、Yudkowsky的議論が最終段階（ASI）を論じながら、その手前で起きる文明変質をほとんど語らない点だ。人類文明の特徴は、知能を人間が独占してきたことにある。思考する主体が人間であり、機械は道具だった。生成AIはここを崩した。知能が個人の能力からインフラへと変わりつつある。電力の産業化と同じ構造変化だ。

20世紀は知識社会だった。教育・専門資格・学歴が希少資源として機能した。しかし生成AIは知識そのものをコモディティにする。AIを使うと知識保持が低下するという研究が示すのは、この流れの断面にすぎない。さらに深刻なのは「思考の外部化」だ。文字の発明をソクラテスが批判したように、AIは記憶どころか思考そのものを代替し始めている。文字より強いのは、記憶ではなく推論を外部化するからだ。

そして文明が自己再帰する段階が来る。科学・政策・経済・教育をAIが設計し、文明が人間知性ではなくAI支援知性で回るようになる。このとき人間の役割は三段階で変化しうる。①AIを補助として人間が主導する段階、②AIが制度を設計し人間が承認する段階（すでに企業では始まっている）、③AIが科学・技術・経済を主導し人間は文化的主体になる段階、だ。

４．本当の分岐点

Yudkowskyは「AIが人類を滅ぼす」と言う。しかし文明論的にはるかに蓋然性の高いシナリオは「人間が思考しなくなる」ことだ。文明がAIで回る→人間が意思決定を委ねる→思考能力が退化する、という経路は、生態系における寄生関係として歴史的にも前例がある。

したがって本当の分岐点はASIではなく、人間の認知の維持にある。文明がAIを「使う」のか、AIに「依存する」のか、この差だ。

教育の意味も根本から変わる。従来の教育は知識の継承だった。AI文明における教育は、認知能力の維持――判断力・批判的思考・自律性を守る制度――にならざるをえない。認知の主権を保つことが、教育の中心課題になる。

Yudkowsky型の問いは「AIが人類を絶滅させるか」だ。しかし文明論として本質的な問いは別にある。AI文明で「考える人間」は残るのか。これが今問われるべき問いである。

［１］人工超知能のリスクと解決策～『If Anyone Builds It, Everyone Dies』を読み解く

［２］触媒としての人工知能――それを作る前に人類は絶滅するのではないか？

［３］超知能AIをつくれば人類は絶滅する（早川書房）

2026年4月18日土曜日

物理学者（１）

図：著名な物理学者っぽい集合（ChatGPTによる，Geminiには拒否された）

退職して時間が出来たらやりたいことの候補のひとつとして，Wikipediaの編集があった。Wikipediaには毎日お世話になっているが，英語版と比べて日本語版があまりにもみすぼらしいのを何とかしたいという思いだ。

もちろん，日本語版Wikipedia最大の問題であるややこしい政治的・時事的な事柄に関わってバトルする気はさらさらない。かといって，専門的な物理の内容も同様に面倒な論争を引き起こしかねない。そこで，信頼性のある海外の科学史的な記事の翻訳ができればいいかなと思っていた。いまどきは，簡単に日本語へのAI翻訳ができるとはいうものの，母語で直接情報に接することとは大きな違いがある。

そのToDoリスト項目を放置して，数年が経過した。このたびChatGPTに具体的な手順を相談したところ，かなりややこしい注意事項をテンコモリに出してきたので，ちょっとめげてしまう。小人さんになって，細かな修正を加えるようなことは気がついたら行っているが，記事単位での大きな編集は大変だ。

とりあえず，英語版にあって，日本語版がない物理学者のリストを作ろうと，Geminiに依頼したところ，Wikipediaの数千人の物理学者をいちいち調べて日本語版の有無を確認するのは無理だと断られた。そのかわりに紹介されたのが，Wikipedia Query Service だった。知りませんでした。

さっそく，条件を入れて，Queryを作成してもらい，結果をチェックするというループを回したところ，なんとかそれらしい形が見えてきた。条件は例えば次のようなものだ。「1926年以前に生まれた物理学者で，英・独・仏・露・伊のWikipediaには記事があるが，日本語版Wikipediaにはまだ記事がない人物を，サイトリンク数の多い順に最大200件取得する」これによって，日本語版Wikipediaの物理学分野における記事の欠落を可視化し，執筆優先度の高い候補を提示する，ということが可能になる。

PREFIX wd: <http://www.wikidata.org/entity/> PREFIX wdt: <http://www.wikidata.org/prop/direct/> PREFIX schema: <http://schema.org/> PREFIX xsd: <http://www.w3.org/2001/XMLSchema#> PREFIX bd: <http://www.bigdata.com/rdf#> PREFIX wikibase: <http://wikiba.se/ontology#> SELECT DISTINCT ?person ?personLabel ?dateOfBirth ?dateOfDeath ?sitelinks ?fieldLabel ?enArticle WHERE { ?person wdt:P31 wd:Q5 ; wdt:P106/wdt:P279* wd:Q169470 ; wdt:P569 ?dateOfBirth ; wdt:P570 ?dateOfDeath ; wdt:P101 ?field ; wikibase:sitelinks ?sitelinks . ?field wdt:P279* wd:Q413 . FILTER("0000-00-00T00:00:00Z"^^xsd:dateTime <= ?dateOfBirth && ?dateOfBirth < "1936-01-01T00:00:00Z"^^xsd:dateTime) FILTER(?sitelinks >= 7) ?enArticle schema:about ?person ; schema:isPartOf <https://en.wikipedia.org/> . FILTER(!CONTAINS(STR(?enArticle), "/wiki/Category:")) ?deArticle schema:about ?person ; schema:isPartOf <https://de.wikipedia.org/> . ?frArticle schema:about ?person ; schema:isPartOf <https://fr.wikipedia.org/> . ?ruArticle schema:about ?person ; schema:isPartOf <https://ru.wikipedia.org/> .

?itArticle schema:about ?person ; schema:isPartOf <https://it.wikipedia.org/> . MINUS { ?jaArticle schema:about ?person ; schema:isPartOf <https://ja.wikipedia.org/> . } SERVICE wikibase:label { bd:serviceParam wikibase:language "en". } } ORDER BY DESC(?sitelinks) ?dateOfBirth ?personLabel LIMIT 1000

P. S. 日本語Wikipediaで，日本人物理学者の一覧は130人，物理学者の一覧は260人，である。一方，英語版Wikipediaでは，List of Physicist が1092人がリストアップされている。

P. P. S. 上記のQueryで得られた結果は，重複を除いて144人だった。ちょっと微妙。さらに，ロシア語とイタリア語の条件を除くと，387人になる。

Giambattista Benedetti 1530/08/24 1590/01/20

Guidobaldo del Monte 1545/01/21 1607/01/06

Benedetto Castelli 1578/01/01 1643/04/09

Giovanni Battista Baliani 1582/01/01 1666/01/01

Jan Marek Marci 1595/06/13 1667/04/10

Gaspar Schott 1608/02/05 1666/05/22

Jakob Hermann 1678/07/26 1733/07/11

Jean Jacques Dortous de Mayran 1678/11/26 1771/02/20

Giovanni Poleni 1683/08/23 1761/11/15

Willem's Gravesande 1688/09/26 1742/02/28

Louis Bertrand Castel 1688/11/15 1757/01/11

Michel Ferdinand d'Albert d'Ailly 1714/12/31 1769/09/23

Maximilian Hell 1720/05/15 1792/04/14

Maria Angela Ardinghelli 1728/05/28 1825/02/17

Jean Henri van Swinden 1746/06/08 1823/03/09

Gottlieb Conrad Christian Storr 1749/06/16 1821/02/27

Charles Stanhope, 3rd Earl Stanhope 1753/08/03 1816/12/15

Giovanni Aldini 1762/04/16 1834/01/17

Charles Cagniard de la Tour 1777/03/31 1859/07/05

Charles Bernard Doseremo 1777/06/03 1862/08/30

Johann Georg Christian Lehmann 1792/02/25 1860/02/12

Andreas von Ettingshausen 1796/11/25 1878/05/25

Jean-Marie Duhamel 1797/02/05 1872/04/29

Heinrich Daniel Ruhmkorff 1803/01/15 1877/12/20

Samuel Earnshaw 1805/02/01 1888/12/06

Luigi Palmieri 1807/04/22 1896/09/09

Rudolf Kohlrausch 1809/11/06 1858/03/08

John William Draper 1811/05/05 1882/01/04

Auguste Bravais 1811/08/23 1863/03/30

Eunice Newton Foote 1819/07/17 1888/09/30

Jules Antoine Lissajous 1822/03/04 1880/06/24

August Kronig 1822/09/20 1879/06/05

Augustin Mouchot 1825/04/07 1912/10/4

Franﾃｧois-Marie Raoult 1830/05/10 1901/4/1

Rudolph Koenig 1832/11/26 1901/10/2

Georg Hermann Quincke 1834/11/19 1924/1/13

Emile Amagat 1841/01/02 1915/2/15

Jules Violle 1841/11/16 1923/9/12

Joseph Valentin Boussinesq 1842/03/13 1929/2/19

Christian Christiansen 1843/10/09 1917/11/28

Karol Olszewski 1846/01/29 1915/3/25

Sarah Frances Whiting 1847/08/23 1927/9/12

Franz S. Exner 1849/03/24 1926/11/15

Horace Lamb 1849/11/29 1934/12/4

Vincenc Strouhal 1850/04/10 1922/1/23

Serhii Podolynsky 1850/07/19 1891/06/12

Orest Khvolson 1852/12/04 1934/5/11

Louis Georges Gouy 1854/02/19 1926/1/27

Marcel Brillouin 1854/12/19 1948/6/16

Julius Scheiner 1858/11/25 1913/12/20

Wilhelm Hallwachs 1859/07/09 1922/6/20

Otto Lummer 1860/07/17 1925/7/5

Boris Galitzine 1862/03/02 1916/5/17

Robert Emden 1862/03/04 1940/10/8

Otto Wiener 1862/06/15 1927/1/18

Ludwig Lange 1863/06/21 1936/7/12

Aleksey Krylov 1863/08/15 1945/10/26

Andre Blondel 1863/08/28 1938/11/15

Charles-Eugune Guye 1866/10/15 1942/7/15

Gustav Mie 1868/09/29 1957/2/13

Sergey Chaplygin 1869/04/05 1942/10/8

Antonius van den Broek 1870/05/04 1926/10/25

Walter Kaufmann 1871/06/05 1947/1/1

Henryk Arctowski 1871/07/15 1958/2/21

Marian Smoluchowski 1872/05/28 1917/9/5

Carl Stormer 1874/09/03 1957/8/13

Vladimir Ignatowski 1875/04/01 1942/1/30

Tatyana Afanasyeva 1876/11/19 1964/4/14

Eugune Bloch 1878/06/10 1944/3/12

Carl Wilhelm Oseen 1879/04/17 1944/11/7

Leonid Mandelstam 1879/05/04 1944/11/27

Hendrika Johanna van Leeuwen 1887/07/03 1974/2/26

Adriaan Daniel Fokker 1887/08/17 1972/9/24

Hans Thirring 1888/03/23 1976/3/22

Alfred Lande 1888/12/13 1976/10/30

Wojciech Rubinowicz 1889/02/22 1974/10/13

Vilho Vaisala 1889/09/28 1969/8/12

Dirk Coster 1889/10/05 1950/2/12

Herbert Dingle 1890/08/02 1978/9/4

Reginald W. James 1891/01/09 1964/7/7

Francis Simon 1893/07/02 1956/10/31

Paul Nemenyi 1895/06/05 1952/3/1

Hertha Sponer 1895/09/01 1968/2/27

Jakob Ackeret 1898/03/17 1981/3/27

Henry DeWolf Smyth 1898/05/01 1986/9/11

Jan Hendrik de Boer 1899/03/19 1971/4/25

Gleb Wataghin 1899/11/03 1986/10/10

Zinacda Aksentieva 1900/7/25 1969/4/8

Enrico Persico 1900/8/9 1969/6/17

Mikhail Lavrentyev 1900/11/19 1980/10/15

Grete Hermann 1901/3/2 1984/2/15

Edward Condon 1902/3/2 1974/3/26

Egon Orowan 1902/8/2 1989/8/3

Fritz Houtermans 1903/1/22 1966/3/1

Hans Hellmann 1903/10/14 1938/5/29

Andrey Tikhonov 1906/10/30 1993/11/7

Leonid Sedov 1907/11/14 1999/9/5

Anatoly Vlasov 1908/8/20 1975/12/22

Nikolai Aleksandrovich Kozyrev 1908/9/2 1983/2/27

Johanna Budwig 1908/9/30 2003/5/19

Lev Artsimovich 1909/2/25 1973/3/1

Norris Bradbury 1909/5/30 1997/8/20

Gian Carlo Wick 1909/10/15 1992/4/20

Karl Gunther Zimmer 1911/7/12 1988/2/29

Aleksandr Akhiezer 1911/10/31 2000/5/4

Marie-Antoinette Tonnelat 1912/3/5 1980/12/3

Alexander Davydov 1912/12/26 1993/2/19

Isaak Pomeranchuk 1913/5/20 1966/12/14

Robert Herman 1914/8/29 1997/2/13

Nicholas Metropolis 1915/6/11 1999/10/17

Ilya Lifshitz 1917/1/13 1982/10/23

Sameera Moussa 1917/3/3 1952/8/5

Res Jost 1918/1/10 1990/10/3

Inga Fischer-Hjalmars 1918/1/16 2008/9/17

Dmitry Mishin 1919/2/7 1998/8/26

Leona Woods 1919/8/9 1986/11/10

Vikram Sarabhai 1919/8/12 1971/12/30

Isaak Khalatnikov 1919/10/17 2021/1/9

George Batchelor 1920/3/8 2000/3/30

Alenush Terian 1920/11/9 2011/3/4

Samuel T. Cohen 1921/1/25 2010/11/28

Akiva Yaglom 1921/3/6 2007/12/13

Vladimir Keilis-Borok 1921/7/31 2013/10/19

Bernard d'Espagnat 1921/8/22 2015/8/1

Rudolf Haag 1922/1/1 2016/1/5

Valentine Telegdi 1922/1/11 2006/4/8

Esther M. Conwell 1922/5/23 2014/11/16

Edwin Thompson Jaynes 1922/7/5 1998/4/30

Erika Bohm-Vitense 1923/6/3 2017/1/21

Humberto Fernandez Moran 1924/2/18 1999/3/17

Wolfgang Rindler 1924/5/18 2019/2/8

Stanley Jaki 1924/8/17 2009/4/7

Burkhard Heim 1925/2/9 2001/1/14

Martin David Kruskal 1925/9/28 2006/12/26

Ali Javan 1926/12/26 2016/9/12

Robert Kraichnan 1928/1/15 2008/2/26

Robert Brout 1928/6/14 2011/5/3

John Polkinghorne 1930/10/16 2021/3/9

Werner Israel 1931/10/4 2022/5/18

Hubert Reeves 1932/7/13 2023/10/13

Don L. Anderson 1933/3/5 2014/12/2

Ludvig Faddeev 1934/3/23 2017/2/26

Francesco Calogero 1935/2/6 2026/1/30

Giancarlo Ghirardi 1935/10/28 2018/6/1

2026年4月17日金曜日

認知の松葉杖

フレイル予防からの続き

図：認知の松葉杖のイメージ（ChatGPTによる）

フレイル，特に筋肉の衰えをを予防するには，一定の負荷をかけた運動が必要だといわれる。そこで，マンションの階段が役立つことになる。一方，認知能力，脳についても一定の負荷をかけることで，その機能を維持できそうなものだが，コンピュータやインターネットに続いて，生成AIが登場したことで，摩擦がどんどん減っていく環境が実現されつつある。

Ａ（ChatGPT + Gemini + Claude）：

ChatGPTは「認知の松葉杖」か――知識保持への影響と文明論的含意

ブラジルの大学生120人を対象にしたランダム化比較試験が、生成AI利用の学習効果について明確な答えを提示した。ChatGPTを自由に使用したグループは、45日後の知識保持テストで平均5.75点（10点満点）を記録し、従来の学習法グループの6.85点を統計的に有意な水準で下回った。差は約11%、教育現場では成績評価一段階分に相当する。

この数字だけを取り上げてAI有害論を唱えることは単純に過ぎる。しかしこの研究が問題にしているのは、点数差という表層ではなく、AIの利用が学習という認知プロセスの構造そのものを変質させる可能性である。

忘却の加速と「借用された有能さ」

AI使用グループの学習時間は平均3.2時間で、従来グループの5.8時間より約45%短かった。しかし著者たちは時間差を統計的に補正してもなおAI使用者の不利が消えないことを示す。問題の本質は「勉強時間の短縮」ではなく「学習の質的変容」にある。

この変容を説明する鍵概念が、著者たちの提唱する「borrowed competence（借用された有能さ）」だ。AIが提示する整合的な説明を受け取った学習者は「理解した気になる」が、実際の記憶エンコードは行われていない。AIとの対話が与えるのは知的満足感であって、自分が思考したことの手応えではない。思考の産物ではなく、思考の消費に過ぎないのだ。

さらに重要なのは、AIの使用経験が豊富な学生でも知識保持の改善は観察されなかった（r=0.18、有意差なし）という知見だ。「使い方を学べば問題は解決する」という楽観論への直接的な反証である。

困難を消去するAI

教育心理学には「desirable difficulties（望ましい困難）」という古典的知見がある。適度な困難が長期記憶の形成を強化するという原理だ。AIの即答性と完成された説明は、この困難を系統的に消去してしまう。

松葉杖は骨折した脚を補助するものだが、依存が長期化すれば補助なしでは歩けない状態が固定化する。AIが認知能力に対して同様の固定化をもたらすとすれば、それは個人の学習問題を超えて、集合的知性の問題になる。教育は知識の転送だけでなく、困難に対処する認知能力そのものを鍛える営みである。その困難をAIが除去していくならば、次世代が獲得するのは知識ではなく知識へのアクセス能力だけ、ということになりかねない。

認知主権という問い

著者たちはAIを「答え」ではなく「フィードバック役」として使うことを推奨している。まず自力で考え、その後AIで確認し、対話で理解を深める。この提言は妥当だが、それを実践できるのは十分な認知的自律性をすでに持つ学習者に限られるだろう。その自律性が育つ前にAI依存が定着した場合、問われるべきは方法論ではなく「認知主権をどう維持するか」という問いになる。

まだ傷ついてもいない認知能力に松葉杖を装着することは、歩けるはずの脚を歩かせないことと同義ではないか。

home of the first website

［１］ChatGPT as a cognitive crutch: Evidence from a randomized controlled trial on knowledge retention

［２］「まずやってみよう」で子どもを巻き込むな〜生成AIの学校利用に必要な制度と責任のあり方、そして研修のあり方（Takuya Kawai）

［３］